PT
A fragmentação fundiária constitui um desafio persistente em Portugal, onde muitas propriedades
rurais são compostas por parcelas pequenas e dispersas. Esta dissertação desenvolve um sistema
de apoio à decisão para orientar processos voluntários de emparcelamento e apoiar iniciativas
públicas em curso. O estudo segue uma abordagem estruturada de ciência de dados, utilizando
informação geoespacial da Madeira para simular diferentes cenários de propriedade. As parcelas
foram agrupadas em blocos maiores, e foi concebido um algoritmo para sugerir trocas que
aumentam a contiguidade e reduzem a fragmentação, mantendo as perdas globais de área em
níveis residuais.
Os resultados de três cenários mostraram melhorias consistentes: a dimensão média das
explorações aumentou cerca de 11%, o número de parcelas descontínuas por proprietário foi
praticamente reduzido para metade e os custos do emparcelamento foram distribuídos de forma
equilibrada entre os participantes. Estes resultados indicam que métodos baseados em dados
podem gerar benefícios concretos, mesmo em contextos rurais complexos.
Para além do contributo técnico, o sistema destaca-se pela transparência e interpretabilidade:
cada passo do processo de consolidação pode ser explicado e verificado, o que o torna adequado
para contextos de política pública. As conclusões oferecem apoio direto a programas como o
Emparcelar para Ordenar, sugerindo que ferramentas algorítmicas podem reforçar a equidade,
a eficiência e a confiança nos processos de consolidação fundiária.
EN
Land fragmentation is a persistent challenge in Portugal, where many rural properties consist of
small and scattered parcels. This thesis develops a decision support system to guide voluntary
land consolidation and support ongoing public initiatives. The study follows a structured data
science process that applies Madeira geospatial data to simulate different ownership scenarios.
The land parcels were grouped into larger blocks and an algorithm was designed to suggest
exchanges that increase contiguity and reduce fragmentation while keeping the overall loss of
land minimal.
Experiments with three scenarios showed consistent improvements: the average landholding
size increased by about 11%, the number of disconnected parcels per owner was nearly halved
and the consolidation costs were fairly distributed among participants. These results indicate
that data-driven methods can produce tangible benefits, even in complex rural landscapes.
Beyond the technical contribution, the system emphasizes transparency and interpretability:
Each consolidation step can be explained and verified, making the approach suitable for
policy contexts. The findings provide concrete support for programs such as Emparcelar para
Ordenar, suggesting that algorithmic tools can enhance fairness, efficiency, and trust in land
consolidation policies.